Como fazer streaming de dados do Cloud Storage para o BigQuery com o Cloud Functions

Last reviewed 2019-02-15 UTC

Neste tutorial, demonstramos como fazer streaming de novos objetos de um bucket do Cloud Storage para o BigQuery usando o Cloud Functions. O Cloud Functions é uma plataforma de computação sem servidor e orientada a eventos do Google Cloud, que fornece escalonamento automático, alta disponibilidade e tolerância a falhas sem servidores para provisionar, gerenciar, atualizar ou corrigir. Faça streaming de dados com o Cloud Functions para permitir que você se conecte e estenda outros serviços do Google Cloud pagando apenas quando o app estiver em execução.

Este artigo é voltado para analistas de dados, desenvolvedores ou operadores que precisam executar análises quase em tempo real em arquivos adicionados ao Cloud Storage. Para acompanhar este artigo, é necessário ter familiaridade com o Linux, o Cloud Storage e o BigQuery.

Arquitetura

O diagrama da arquitetura a seguir ilustra todos os componentes e todo o fluxo do pipeline de streaming deste tutorial. Para esse pipeline, você precisa fazer upload de arquivos JSON no Cloud Storage, mas pequenas mudanças no código são necessárias para oferecer suporte a outros formatos de arquivo. O processamento de outros formatos de arquivo não é abordado neste artigo.

No diagrama anterior, o pipeline consiste nas seguintes etapas:

1. Os arquivos JSON são enviados para o bucket FILES_SOURCE do Cloud Storage.
2. Este evento aciona a Função do Cloud streaming.
3. Os dados são analisados e inseridos no BigQuery.
4. O status do processamento é registrado no Firestore e no Cloud Logging.
5. Uma mensagem é publicada em um dos seguintes tópicos do Pub/Sub:
   • streaming_success_topic
   • streaming_error_topic
6. Dependendo dos resultados, o Cloud Functions move o arquivo JSON do bucket FILES_SOURCE para um destes:
   • FILES_ERROR
   • FILES_SUCCESS

Objetivos

• Criar um bucket do Cloud Storage para armazenar os arquivos JSON.
• Criar um conjunto de dados e uma tabela do BigQuery para fazer streaming dos dados.
• Configurar uma Função do Cloud a ser acionada sempre que os arquivos forem adicionados ao bucket.
• Configurar tópicos do Pub/Sub.
• Configurar mais funções para processar a saída da função.
• Testar o pipeline de streaming.
• Configurar o Cloud Monitoring para alertar sobre comportamentos inesperados.

Custos

Neste documento, você usará os seguintes componentes faturáveis do Google Cloud:

• Cloud Storage
• Cloud Functions
• Firestore
• BigQuery
• Logging
• Monitoring
• Container Registry
• Cloud Build

Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços. Novos usuários do Google Cloud podem estar qualificados para uma avaliação gratuita.

Antes de começar

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Cloud Functions and Cloud Build APIs.

   Enable the APIs

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Cloud Functions and Cloud Build APIs.

   Enable the APIs

8. No console do Google Cloud, acesse o Monitoring.

   Acessar o Cloud Monitoring

Ao concluir as tarefas descritas neste documento, é possível evitar o faturamento contínuo excluindo os recursos criados. Saiba mais em Limpeza.

Como configurar o ambiente

Neste tutorial, use o Cloud Shell para inserir comandos. O Cloud Shell fornece acesso à linha de comando no Console do Cloud e inclui a Google Cloud CLI e outras ferramentas que precisam ser desenvolvidas no Google Cloud. O Cloud Shell aparece como uma janela na parte inferior do Console do Google Cloud. A inicialização leva vários minutos, mas a janela aparece imediatamente.

Para usar o Cloud Shell a fim de configurar o ambiente e clonar o repositório git usado neste tutorial:

1. No Console do Google Cloud, abra o Cloud Shell.

   Abra o Cloud Shell

2. Verifique se está trabalhando no projeto recém-criado. Substitua [YOUR_PROJECT_ID] pelo projeto do Google Cloud recém-criado.

   gcloud config set project [YOUR_PROJECT_ID]
   

3. Defina a zona do Compute padrão. Para os fins deste tutorial, use us-east1. Se você estiver implantando em um ambiente de produção, implante em uma região de sua escolha.

   REGION=us-east1
   

4. Clone o repositório que contém as funções usadas neste tutorial.

   git clone https://github.com/GoogleCloudPlatform/solutions-gcs-bq-streaming-functions-python
   cd solutions-gcs-bq-streaming-functions-python
   

Como criar coletores de origem e destino de streaming

Para fazer streaming de conteúdo para o BigQuery, você precisa ter um bucket do Cloud Storage FILES_SOURCE e uma tabela de destino no BigQuery.

Criar o bucket do Cloud Storage

Crie um bucket do Cloud Storage que representa a origem do canal de streaming apresentado neste tutorial. A meta principal desse bucket é armazenar temporariamente arquivos JSON transmitidos por streaming ao BigQuery.

• Crie o bucket do Cloud Storage FILES_SOURCE, em que FILES_SOURCE é configurado como uma variável de ambiente com um nome exclusivo.

  FILES_SOURCE=${DEVSHELL_PROJECT_ID}-files-source-$(date +%s)
  gsutil mb -c regional -l ${REGION} gs://${FILES_SOURCE}
  

Criar a tabela do BigQuery

Esta seção cria uma tabela do BigQuery usada como o destino de conteúdo para os arquivos. O BigQuery permite especificar o esquema da tabela quando você carrega dados na tabela ou cria uma nova tabela. Nesta seção, crie a tabela e especifique o esquema simultaneamente.

1. Crie um conjunto de dados e uma tabela do BigQuery. O esquema definido no arquivo schema.json precisa corresponder ao esquema dos arquivos provenientes do bucket FILES_SOURCE.

   bq mk mydataset
   bq mk mydataset.mytable schema.json
   

2. Verifique se a tabela foi criada.

   bq ls --format=pretty mydataset
   

   A saída é:

   +---------+-------+--------+-------------------+
   | tableId | Type  | Labels | Time Partitioning |
   +---------+-------+--------+-------------------+
   | mytable | TABLE |        |                   |
   +---------+-------+--------+-------------------+
   

Como fazer streaming de dados para o BigQuery

Agora que você criou os coletores de origem e de destino, crie a Função do Cloud para fazer streaming de dados do Cloud Storage para o BigQuery.

Configurar a Função do Cloud de streaming

A função de streaming detecta novos arquivos adicionados ao bucket FILES_SOURCE e aciona um processo que realiza estas ações:

• Analisa e valida o arquivo.
• Verifica se há duplicações.
• Insere o conteúdo do arquivo no BigQuery.
• Registra o status de ingestão no Firestore e no Logging.
• Publica uma mensagem em um tópico de erro ou de êxito no Pub/Sub.

Para implantar a função:

1. Crie um bucket do Cloud Storage para organizar as funções durante a implantação, em que FUNCTIONS_BUCKET seja configurado como variável de ambiente com um nome exclusivo.

   FUNCTIONS_BUCKET=${DEVSHELL_PROJECT_ID}-functions-$(date +%s)
   gsutil mb -c regional -l ${REGION} gs://${FUNCTIONS_BUCKET}
   

2. Implante a função streaming. O código de implementação está na pasta ./functions/streaming. Isso pode demorar alguns minutos.

   gcloud functions deploy streaming --region=${REGION} \
       --source=./functions/streaming --runtime=python37 \
       --stage-bucket=${FUNCTIONS_BUCKET} \
       --trigger-bucket=${FILES_SOURCE}
   

   Esse código implanta uma Função do Cloud escrita em Python, denominada streaming. Ela é acionada sempre que um arquivo é adicionado ao bucket FILES_SOURCE.

3. Verifique se a função foi implantada.

   gcloud functions describe streaming  --region=${REGION} \
       --format="table[box](entryPoint, status, eventTrigger.eventType)"
   

   A saída é:

   ┌────────────────┬────────┬────────────────────────────────┐
   │  ENTRY_POINT   │ STATUS │           EVENT_TYPE           │
   ├────────────────┼────────┼────────────────────────────────┤
   │ streaming      │ ACTIVE │ google.storage.object.finalize │
   └────────────────┴────────┴────────────────────────────────┘
   

4. Provisione um tópico do Pub/Sub, chamado streaming_error_topic, para lidar com o caminho do erro.

   STREAMING_ERROR_TOPIC=streaming_error_topic
   gcloud pubsub topics create ${STREAMING_ERROR_TOPIC}
   

5. Provisione um tópico do Pub/Sub, chamado streaming_success_topic, para lidar com o caminho bem-sucedido.

   STREAMING_SUCCESS_TOPIC=streaming_success_topic
   gcloud pubsub topics create ${STREAMING_SUCCESS_TOPIC}
   

Configurar o banco de dados do Firestore

Durante a transmissão dos dados para o BigQuery, é importante entender o que está acontecendo com a ingestão de cada arquivo. Por exemplo, suponhamos que você tenha arquivos importados incorretamente. Nesse caso, você precisa descobrir a causa principal do problema e corrigi-lo para evitar gerar dados corrompidos e relatórios imprecisos ao final do pipeline. A função streaming, implantada na seção anterior, armazena o status de processamento de arquivos em documentos do Firestore para que seja possível consultar erros recentes para resolver problemas.

Para criar a instância do Firestore, siga estas etapas:

1. No Console do Google Cloud, acesse o Firestore.

   Acessar o Firestore

2. Na janela Escolha um modo do Cloud Firestore, clique em Selecionar modo nativo.

3. Na lista Selecionar um local, selecione nam5 (Estados Unidos) e clique em Criar banco de dados. Aguarde a conclusão da inicialização do Firestore. Isso normalmente demora alguns minutos.

Manipular erros de streaming

Para provisionar um caminho que manipule arquivos de erro, implante outra Função do Cloud, que escute mensagens publicadas em streaming_error_topic. A empresa precisa determinar como você manipula esses erros em um ambiente de produção. Para os fins deste tutorial, os arquivos problemáticos são movidos para outro bucket do Cloud Storage a fim de facilitar a solução de problemas.

1. Crie o bucket do Cloud Storage para armazenar arquivos problemáticos. FILES_ERROR é configurado como uma variável de ambiente com um nome exclusivo para o bucket que armazena arquivos de erro.

   FILES_ERROR=${DEVSHELL_PROJECT_ID}-files-error-$(date +%s)
   gsutil mb -c regional -l ${REGION} gs://${FILES_ERROR}
   

2. Implemente a função streaming_error para manipular erros. Isso pode demorar alguns minutos.

   gcloud functions deploy streaming_error --region=${REGION} \
       --source=./functions/move_file \
       --entry-point=move_file --runtime=python37 \
       --stage-bucket=${FUNCTIONS_BUCKET} \
       --trigger-topic=${STREAMING_ERROR_TOPIC} \
       --set-env-vars SOURCE_BUCKET=${FILES_SOURCE},DESTINATION_BUCKET=${FILES_ERROR}
   

   Esse comando é semelhante ao comando que implanta a função streaming. A diferença principal é que, nesse comando, a função é acionada por uma mensagem publicada em um tópico e recebe duas variáveis de ambiente: SOURCE_BUCKET, de onde arquivos são copiados, e DESTINATION_BUCKET, para onde os arquivos são copiados.

3. Verifique se a função streaming_error foi criada.

   gcloud functions describe streaming_error --region=${REGION} \
       --format="table[box](entryPoint, status, eventTrigger.eventType)"
   

   A saída é:

   ┌─────────────┬────────┬─────────────────────────────┐
   │ ENTRY_POINT │ STATUS │          EVENT_TYPE         │
   ├─────────────┼────────┼─────────────────────────────┤
   │ move_file   │ ACTIVE │ google.pubsub.topic.publish │
   └─────────────┴────────┴─────────────────────────────┘
   

Manipular streaming bem-sucedido

Para provisionar um caminho que manipule arquivos de sucesso, implante uma terceira Função do Cloud, que escuta mensagens publicadas em streaming_success_topic. Para os fins deste tutorial, os arquivos ingeridos com êxito são arquivados em um bucket do Coldline Cloud Storage.

1. Crie seu bucket do Coldline Cloud Storage. FILES_SUCCESS é configurado como variável de ambiente com um nome exclusivo para o bloco que armazena arquivos de sucesso.

   FILES_SUCCESS=${DEVSHELL_PROJECT_ID}-files-success-$(date +%s)
   gsutil mb -c coldline -l ${REGION} gs://${FILES_SUCCESS}
   

2. Implante a função streaming_success para manipular o sucesso. Isso pode demorar alguns minutos.

   gcloud functions deploy streaming_success --region=${REGION} \
       --source=./functions/move_file \
       --entry-point=move_file --runtime=python37 \
       --stage-bucket=${FUNCTIONS_BUCKET} \
       --trigger-topic=${STREAMING_SUCCESS_TOPIC} \
       --set-env-vars SOURCE_BUCKET=${FILES_SOURCE},DESTINATION_BUCKET=${FILES_SUCCESS}
   

3. Verifique se a função foi criada.

   gcloud functions describe streaming_success  --region=${REGION} \
       --format="table[box](entryPoint, status, eventTrigger.eventType)"
   

   A saída é:

   ┌─────────────┬────────┬─────────────────────────────┐
   │ ENTRY_POINT │ STATUS │          EVENT_TYPE         │
   ├─────────────┼────────┼─────────────────────────────┤
   │ move_file   │ ACTIVE │ google.pubsub.topic.publish │
   └─────────────┴────────┴─────────────────────────────┘
   

Como testar o canal de streaming

Neste ponto, você terminou de criar o canal de streaming. Agora é hora de testar caminhos diferentes. Primeiro, você testa a ingestão de novos arquivos, depois de arquivos de duplicação e, por fim, de arquivos problemáticos.

Ingerir novos arquivos

Para testar a ingestão de novos arquivos, faça upload de um arquivo que precisa passar por todo o pipeline com êxito. Para garantir que tudo esteja funcionando corretamente, você precisa verificar todos os blocos de armazenamento: BigQuery, Firestore e buckets do Cloud Storage.

1. Faça upload do arquivo data.json no bucket FILES_SOURCE.

   gsutil cp test_files/data.json gs://${FILES_SOURCE}
   

   A saída:

   Operation completed over 1 objects/312.0 B.
   

2. Consulte os dados no BigQuery.

   bq query 'select first_name, last_name, dob from mydataset.mytable'
   

   A resposta a este comando é o conteúdo do arquivo data.json:

   +------------+-----------+------------+
   | first_name | last_name |    dob     |
   +------------+-----------+------------+
   | John       | Doe       | 1968-01-22 |
   +------------+-----------+------------+
   

3. No Console do Google Cloud, acesse a página Firestore.

   Acessar o Firestore

4. Acesse o documento / > streaming_files > data.json para verificar se o campo success: true está lá. A função streaming armazena o status do arquivo em uma coleção denominada streaming_files e usa o nome do arquivo como ID do documento.

   

5. Volte para o Cloud Shell.

   Acessar o Cloud Shell

6. Verifique se o arquivo ingerido foi removido do bucket FILES_SOURCE pela função streaming_success.

   gsutil ls -l gs://${FILES_SOURCE}/data.json
   

   A saída é um CommandException porque o arquivo não existe mais no bucket FILES_SOURCE.

7. Verifique se o arquivo ingerido agora está no bucket FILES_SUCCESS.

   gsutil ls -l gs://${FILES_SUCCESS}/data.json
   

   A saída é:

   TOTAL: 1 objects, 312 bytes.
   

Ingerir arquivos já processados

O nome do arquivo é usado como código do documento no Firestore. Isso facilitará a consulta da função streamingstreaming se um determinado arquivo tiver sido processado ou não. Se um arquivo tiver sido ingerido anteriormente, todas as novas tentativas de adicioná-lo serão ignoradas porque isso duplicaria as informações no BigQuery e geraria relatórios imprecisos.

Observação: para mitigar as duplicações, recomendamos fornecer um insertId para cada linha inserida ao fazer streaming de dados para o BigQuery. O BigQuery lembra esse código por pelo menos um minuto, o que funciona bem em novas tentativas. Se o sistema produzir um arquivo com o mesmo nome em um intervalo maior que um minuto, será necessário ter outro mecanismo para garantir a eliminação de duplicação, como o Firestore.

Nesta seção, você verifica se o pipeline está funcionando conforme esperado quando arquivos duplicados são enviados para o bucket FILES_SOURCE.

1. Faça o upload do mesmo arquivo data.json para o bucket FILES_SOURCE novamente.

   gsutil cp test_files/data.json gs://${FILES_SOURCE}
   

   A saída é:

   Operation completed over 1 objects/312.0 B.
   

2. A consulta ao BigQuery retorna o mesmo resultado de antes. Isso significa que o canal processou o arquivo, mas não inseriu o conteúdo no BigQuery porque ele foi ingerido antes.

   bq query 'select first_name, last_name, dob from mydataset.mytable'
   

   A saída é:

   +------------+-----------+------------+
   | first_name | last_name |    dob     |
   +------------+-----------+------------+
   | John       | Doe       | 1968-01-22 |
   +------------+-----------+------------+
   

3. No console do Google Cloud, acesse a página do Firestore.

   Acessar o Firestore

4. No documento / > streaming_files > data.json, verifique se o novo campo **duplication_attempts** foi adicionado.

   

   Sempre que um arquivo é adicionado ao bucket FILES_SOURCE com o mesmo nome de um que já foi processado, o conteúdo do arquivo é ignorado e uma nova tentativa de duplicação é anexada ao campo **duplication_attempts** no Firestore.

5. Volte para o Cloud Shell.

   Acessar o Cloud Shell

6. Verifique se o arquivo duplicado ainda está no bucket FILES_SOURCE.

   gsutil ls -l gs://${FILES_SOURCE}/data.json
   

   A saída é:

   TOTAL: 1 objects, 312 bytes.
   

   No cenário de duplicação, a função streaming registra o comportamento inesperado no Logging, ignora a ingestão e deixa o arquivo no bucket FILES_SOURCE para análise posterior.

Ingerir arquivos com erros

Agora que você confirmou que o pipeline de streaming está funcionando e que duplicações não são ingeridas no BigQuery, é hora de verificar o caminho do erro.

1. Faça upload de data_error.json para o bucket FILES_SOURCE.

   gsutil cp test_files/data_error.json gs://${FILES_SOURCE}
   

   A saída é:

   Operation completed over 1 objects/311.0 B.
   

2. A consulta ao BigQuery retorna o mesmo resultado de antes. Isso significa que o pipeline processou o arquivo, mas não inseriu o conteúdo no BigQuery porque ele não obedece ao esquema esperado.

   bq query 'select first_name, last_name, dob from mydataset.mytable'
   

   A saída é:

   +------------+-----------+------------+
   | first_name | last_name |    dob     |
   +------------+-----------+------------+
   | John       | Doe       | 1968-01-22 |
   +------------+-----------+------------+
   

3. No Console do Google Cloud, acesse a página Firestore.

   Acessar o Firestore

4. No documento / > streaming_files > data_error.json, verifique se o campo success: false está adicionado.

   

   Para arquivos com erros, a função streaming também armazena um campo error_message, que fornece informações detalhadas sobre a não ingestão do arquivo.

5. Volte para o Cloud Shell.

   Acessar o Cloud Shell

6. Verifique se o arquivo foi removido do bucket FILES_SOURCE pela função streaming_error.

   gsutil ls -l gs://${FILES_SOURCE}/data_error.json
   

   A saída é um CommandException porque o arquivo não existe mais no bucket FILES_SOURCE.

7. Verifique se o arquivo já está no bucket FILES_ERROR, conforme esperado.

   gsutil ls -l gs://${FILES_ERROR}/data_error.json
   

   A saída é:

   TOTAL: 1 objects, 311 bytes.
   

Encontrar e corrigir problemas de ingestão de dados

A execução de consultas na coleção streaming_files no Cloud Firestore permite diagnosticar e corrigir problemas rapidamente. Nesta seção, você filtra todos os arquivos de erro usando a API Python padrão para Firestore(em inglês).

firestore/show_streaming_errors.py

Ver no GitHub

db = firestore.Client()
docs = db.collection(u'streaming_files')\
    .where(u'success', u'==', False)\
    .get()

Para ver os resultados da consulta no ambiente:

1. Crie um ambiente virtual na pasta firestore.

   pip install virtualenv
   virtualenv firestore
   source firestore/bin/activate
   

2. Instale o módulo Python Firestore no ambiente virtual.

   pip install google-cloud-firestore
   

3. Visualize os problemas de pipeline atuais.

   python firestore/show_streaming_errors.py
   

   O arquivo show_streaming_errors.py contém a consulta do Firestore e outro padrão para repetir o resultado e formatar o resultado. Depois que você executa o comando anterior, a saída é semelhante a:

   +-----------------+-------------------------+----------------------------------------------------------------------------------+
   | File Name       | When                    | Error Message                                                                    |
   +-----------------+-------------------------+----------------------------------------------------------------------------------+
   | data_error.json | 2019-01-22 11:31:58 UTC | Error streaming file 'data_error.json'. Cause: Traceback (most recent call las.. |
   +-----------------+-------------------------+----------------------------------------------------------------------------------+
   

4. Desative o ambiente virtual quando você terminar a análise.

   deactivate
   

   Depois de encontrar e corrigir os arquivos problemáticos, refaça o upload deles no bucket FILES_SOURCE com o mesmo nome de arquivo. Esse processo faz com que eles passem por todo o pipeline de streaming para inserir o conteúdo no BigQuery.

Alerta sobre comportamentos inesperados

Em ambientes de produção, é importante monitorar e alertar sempre que acontece algo estranho. Um dos muitos recursos do Logging são métricas personalizadas. As métricas personalizadas permitem criar políticas de alerta para notificar você e a equipe quando a métrica atender aos critérios especificados.

Nesta seção, você configura o Monitoring para enviar alertas por e-mail sempre que uma ingestão de arquivo falhar. Para identificar uma ingestão com falha, a seguinte configuração usa as mensagens Python logging.error(..) padrão.

1. No console do Google Cloud, acesse a página de métricas com base em registros.

   Vá para a página Métricas com base em registros

2. Clique em Criar métrica.

3. Na lista Filtro, selecione Converter em filtro avançado.

   

4. No filtro avançado, cole a configuração a seguir.

   resource.type="cloud_function"
   resource.labels.function_name="streaming"
   resource.labels.region="us-east1"
   "Error streaming file "
   

   

5. No Editor de métricas, preencha os campos a seguir e clique em Criar métrica.

   • No campo Nome, use streaming-error.
   • Na seção Rótulo, insira payload_error no campo Nome.
   • Na lista Tipo de rótulo, selecione String.
   • Na lista Nome do campo, selecione textPayload.
   • No campo Expressão regular de extração, insira (Error streaming file '.*'.).

   • Na lista Tipo, selecione Contador.

     

6. No Console do Google Cloud, acesse Monitoring ou use o seguinte botão:

   Acessar Monitoring

7. No painel de navegação do Monitoring, selecione Como alertar e selecione Criar política.

8. No campo Nomear esta política, insira streaming-error-alert.

9. Clique em Adicionar condição:

   • No campo Título, insira streaming-error-condition.
   • No campo Métrica, insira logging/user/streaming-error.
   • Na lista Acionador da condição, selecione Qualquer violação de série temporal.
   • Na lista Condição, selecione está acima.
   • No campo Limite, insira 0.
   • Na lista Por, selecione 1 minuto.

10. Na lista Tipo de canal de notificação, selecione E-mail, insira o endereço de e-mail e clique em Adicionar canal de notificação.

11. (Opcional) Clique no campo de texto em Documento e inclua as informações que você quer que estejam presentes em uma mensagem de notificação.

12. Clique em Salvar.

Depois que você salva a política de alertas, o Monitoring monitora os registros de erro da função streaming e envia um alerta por e-mail sempre que há erros de streaming durante um intervalo de um minuto.

Limpeza

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.

Exclua o projeto

Cuidado: excluir um projeto tem os seguintes efeitos:
• Tudo no projeto é excluído. Se você tiver usado um projeto existente para as tarefas neste documento, a exclusão dele incluirá a exclusão de quaisquer outros trabalhos feitos no projeto.
• Os IDs do projeto personalizados são perdidos. Ao criar o projeto, você pode ter criado um código do projeto personalizado para ser usado no futuro. Para preservar os URLs que usam o ID do projeto, como um URL appspot.com, exclua recursos específicos do projeto, em vez de excluir o projeto inteiro.
1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

A seguir

• Revise Eventos e gatilhos para aprender outras maneiras de acionar uma função sem servidor no Google Cloud.
• Acesse a página de alertas para saber como melhorar a política de alertas definida neste tutorial.
• Acesse a documentação do Firestore para saber mais sobre essa escala global, o banco de dados NoSQL.
• Acesse a página Cota e limites do BigQuery para entender os limites de inserção de streaming durante a implementação desta solução em um ambiente de produção.
• Acesse a página Cota e limites do Cloud Functions para entender o tamanho máximo que uma função implantada pode manipular.
• Confira o conteúdo de migração de dados do Google Cloud. Confira o Centro de arquitetura do Cloud.